a) beschreibt Richtung und Stärke des Zusammenhangs zweier Zuvallsvariabeln. b) beschreibt nur die Richtung des Zusammenhangs zweier Zuvallsvariabeln.
|
|
- Eduard Kranz
- vor 5 Jahren
- Abrufe
Transkript
1 6. Übung Themenkomplex: Zweidimensionale Häufigkeitsverteilung Aufgabe 1 Der Pearsonsche Korrelationskoeffizient a) beschreibt Richtung und Stärke des Zusammenhangs zweier Zuvallsvariabeln. b) beschreibt nur die Richtung des Zusammenhangs zweier Zuvallsvariabeln. c) beschreibt nur die Stärke des Zusammenhangs zweier Zuvallsvariabeln. d) nimmt immer Werte zwischen -1 und 1 an. e) nimmt immer Werte zwischen 0 und 1 an. Aufgabe 2 Beschreiben Sie den Zusammenhang zwischen zwei Zufallsvariabeln, wenn der Pearsonsche Korrelationskoeffizient (r xy ) gleich 0,3 ist. a) Kein Zusammenhang b) Schwacher Zusammenhang c) Mittelstarker Zusammenhang d) Starker Zusammenhang e) Perfekter Zusammenhang
2 Aufgabe 3 Beschreiben Sie den Zusammenhang zwischen zwei Variabeln, wenn der Pearsonsche Korrelationskoeffizient (r xy ) gleich -0,8 ist. a) Kein Zusammenhang b) Schwacher Zusammenhang c) Mittelstarker Zusammenhang d) Starker Zusammenhang e) Perfekter Zusammenhang Aufgabe 4 Die Regressionsgerade sei y = 0,2x+2. Welche Aussagen treffen zu? a) Da die Regressionsgerade eine positive Steigung hat (b=0,2), besteht ein positiver Zusammenhang zwischen x und y. b) Die Regressionsfunktion sagt nichts über die Richtung des Zusammenhangs zwischen X und Y aus. c) Die Regressionsfunktion sagt nichts über die Stärke des Zusammenhangs zwischen X und Y aus. d) Da die Regressionsgerade einen sehr schwachen Anstieg hat ( b=0,2), besteht nur ein kleiner Zusammenhang zwischen X und Y. e) Wird x um eine Einheit reduziert, verkleinert sich y um das doppelte.
3 Aufgabe 5 Die Regressionsgeraden x(y) und y(x) a) haben immer die gleiche Steigung. b) haben immer den gleichen y-achsenabschnitt. c) sind immer identisch. d) schneiden sich nicht. e) schneiden sich immer im Punkt [ x y ]. Aufgabe 6 Wo befinden sich alle Punkte, wenn r x, = 1? a) Alle Punkte befinden sich auf der Gerade y = x+1. b) Alle Punkte befinden sich auf der Gerade y = x. c) Alle Punkte befinden sich auf der Gerade y = -x. d) Alle Punkte befinden sich auf einer Gerade mit der Steigung 1. e) Alle Punkte befinden sich auf einer Gerade mit positiver Steigung.
4 Aufgabe 7 Welche Zusammenhänge untersucht die Regressionsanalyse a) zwischen zwei deterministischen Größen b) zwischen zwei zufälligen Größen c) zwischen zwei messbaren Merkmalen d) zwischen einer messbaren Zufallsgröße und einer messbaren deterministischen Größe e) zwischen einem attributiven und einem messbaren Merkmal Aufgabe 8 Der Steigungsparameter der Regressionsgerade b wird geschätzt mit a) b = S x,y S x 2 b) b = S2 x,y S x 2 c) b = S x,y S y 2 d) b = S x,y S x 2 S y 2 e) S x,y b = S x S y
5 Aufgabe 9 Worin unterscheiden sich das lineare Regressionsmodell und der Pearsonsche Korrelationskoeffizient? a) Der Korrelationskoeffizient misst lediglich Stärke und Richtung des linearen Zusammenhangs. b) Je kleiner der Fehlerterm ε, desto mehr strebt der Korrelationskoeffizient gegen null. c) Im Gegensatz zum linearen Regressionsmodell kann man mit Hilfe des Pearsonschen Korrelationskoeffizienten Aussagen für die Zukunft treffen. d) Auch wenn der Korrelationskoeffizient gleich null ist, d.h. r= 0, lässt sich eine Regressionsgerade ermitteln. e) Ist der Korrelationskoeffizient gleich null, d.h. r = 0, so lässt sich keine Regressionsgerade ermitteln. Aufgabe 10 Welche Zusammenhänge untersucht die Korrelationsanalyse a) Die Abhängigkeit zwischen zwei deterministischen Größen b) Die Abhängigkeit zwischen zwei zufälligen Größen c) zwischen zwei messbaren Größen d) Die Stärke der Abhängigkeit zwischen zwei messbaren Merkmalen von Zufallsgrößen e) mehrseitige stochastische Zusammenhänge
6 Aufgabe 11 Zehn Schwimmer einer Gruppe trainieren mehr oder weniger intensiv und erreichen natürlich auch verschiedene Zeiten im Wettkampf: Wöchentliche Trainingsdauer X (in Stunden) Wettkampfleistung Y (in Minuten) 6,2 5,7 3,6 5,9 10,0 8,6 3,8 7,7 9,9 3,7 1,10 1,12 1,19 1,11 1,07 1,04 1,20 1,09 1,06 1,20 Ermitteln und interpretieren Sie den Pearsonschen Korrelationskoeffizienten. Bestimmen Sie die Regressionsgerade von Y bez. X und die Reststreuung. Aufgabe 12 Während der Testphase eines neuentwickelten Autotyps wurden die Bremswege y i (in m) eines Testwagens für verschiedene Geschwindigkeiten x i (in km/h) ermittelt und in folgender Tabelle zusammengefasst: x i y i a) Zeichnen Sie das Streuungsdiagramm. Welches zu verwendende Regressionsmodell können Sie daraus ablesen? b) Ermitteln Sie für das Modell in a) die Regressionsfunktion. c) Welcher Bremsweg ist bei einer Geschwindigkeit von 75 km/h zu erwarten?
7 Aufgabe 13 An 12 Stahlstäben gleicher Länge und gleichen Querschnitts, aber unterschiedlichen Kohlenstoffgehalts (in %) wird die Zugfestigkeit (in MPa) gemessen: i x i y i i x i y i 1 0,10 3,58 7 0,40 6,25 2 0,20 4,34 8 0,25 5,01 3 0,20 4,45 9 0,25 4,73 4 0,55 7, ,55 7,58 5 0,20 4, ,40 6,50 6 0,40 6, ,50 7,21 (xi Kohlenstoffgehalt, yi Zugfestigkeit) a) Man stelle die Ergebnisse in einem Koordinatensystem dar und ermittle mit Hilfe der Methode der kleinsten Quadrate die konkrete empirische Regressionsgerade y(x) = b 1 + b 2 x. b) Man ermittle die konkrete empirische Restvarianz S R 2 = n 1 n 2 (y i y(x i )) 2 i 1 Aufgabe 14 Bei Frostempfindlichkeitsuntersuchungen für eine Apfelsorte ergaben sich nach 12stündiger Frostbelastung bei den Temperaturen t 1,, t 10 folgende Werte (angegeben in %) für die Überlebensfähigkeit F: t 1 = 10 C f 1 = 13,2 % t 6 = 5 C f 6 = 22,8 % t 2 = 9 C f 2 = 14,8 % t 7 = 4 C f 7 = 28,2 % t 3 = 8 C f 3 = 16,5 % t 8 = 3 C f 8 = 31,7 % t 4 = 7 C f 4 = 17,1 % t 9 = 2 C f 9 = 50,8 % t 5 = 6 C f 5 = 20,0 % t 10 = 1 C f 10 = 97,6 % Für die Regressionsgerade (bez. τ) f(τ) = β 1 + β 1 τ mit τ = 1 t (d.h. τ i = 1 t i (i = 1,..., 10)) ermittle man die konkreten empirischen Regressionskoeffizienten b 1 und b 2 sowie die konkrete empirische Restvarianz s R 2.
8 Aufgabe 15 Ein Testinstitut untersucht die Abhängigkeit des Benzinverbrauchs von der Geschwindigkeit bestimmter PKW-Typen. Zu diesem Zweck werden mit verschiedenen PKW s eines Typs 120 Testfahrten durchgeführt. Bei diesen Testfahrten wird mit besonderen Messgeräten die Geschwindigkeit (in km/h) und der Benzinverbrauch (in l/100 km) gemessen. Die Ergebnisse der Testfahrten sind in der folgenden Tabelle zusammengefasst. Geschwindigkeit (X) Benzinverbrauch (Y) von... bis von... bis unter... l/100 km Σ unter... km/h Σ a) Bestimmen Sie die gemeinsame Häufigkeitsverteilung der beiden Merkmale sowie die Randverteilungen! b) Bestimmen Sie die bedingten Verteilungen der beiden Merkmale und interpretieren Sie je eine! c) Bei welchem Anteil von Testfahrten war der Verbrauch höher als 11 l/100 km? d) Berechnen Sie x und y, s X 2 und s Y 2 sowie die bedingten Mittelwerte und Varianzen x (y j ) und y (x i ), s X 2 (y j ) und s Y 2 (x i ) für alle i und j! e) Stellen Sie die Regressionslinien x (Y) und y (X) graphisch dar! f) Sind die beiden Merkmale statistisch unabhängig? g) Berechnen Sie den Korrelationskoeffizienten und interpretieren Sie das Ergebnis!
9 Aufgabe 16 Zur Überprüfung der Wirkung eines Düngemittels für Getreide wurden sechs benachbarte Versuchsfelder von jeweils einem Hektar Größe in verschiedenem Maße gedüngt. Die Düngemittelmengen und die Erträge sind in der folgenden Tabelle dargestellt (Angaben jeweils in kg): Feld Menge des Düngemittels (X) Ertrag (Y) A B C D E F a) Stellen Sie die Werte der Tabelle graphisch dar und überprüfen Sie anhand dieser Zeichnung, ob es gerechtfertigt ist, einen linearen Zusammenhang zwischen den beiden Merkmalen anzunehmen! b) Berechnen Sie die Parameter der ausgleichenden Regressionsgeraden Y (X), interpretieren Sie diese Werte und zeichnen Sie die Gerade in das Streuungsdiagramm ein! c) Lohnt sich der Einsatz des Düngemittels, wenn 1 kg 0,80 Euro kostet und für einen Doppelzentner Getreide ein Preis von 30,-- Euro erzielt werden kann? d) Welchen Hektar-Ertrag könnte man bei globaler Gültigkeit der in Teilaufgabe b) berechneten Regressionsgeraden bei einem Düngemitteleinsatz von 1500 kg pro Hektar erwarten? Ist dieses Ergebnis realistisch?
10 Aufgabe 17 In der folgenden Tabelle ist der Bestand an Gütermotorschiffen der Binnenschifffahrt eines westeuropäischen Landes an einem bestimmten Stichtag nach dem Alter (Y) und der Tragfähigkeit (X) aufgegliedert. Alter (in Jahren) unter 20 bis 40 bis 60 bis 80 und ins- Tragfähigkeit (t) 20 unter 40 unter 60 unter 80 mehr ges. Unter b.u b.u insgesamt a) Bestimmen Sie die ausgleichende Regressionsgerade X (Y) = b 0 + b 1 Y! Berechnen und interpretieren Sie den Wert X (36)! Gehen Sie bei Ihren Berechnungen davon aus, dass kein Güterschiff älter als 100 Jahre ist! b) Geben Sie, ohne die Parameter der ausgleichenden Regressionsgeraden Y (X) = a 0 + a 1 X zu berechnen, das Vorzeichen des Parameters a 1 an! c) Berechnen Sie die Parameter a 0 und a 1! d) Berechnen Sie den Pearsonschen Korrelationskoeffizienten und interpretieren Sie diesen! Aufgabe 18 Eine lineare Regressionsbeziehung werde durch Y (X) = 6 + 1,5 X beschrieben. Es sei ferner x = 12 und r = 0,9. Man bestimme die Regressionsgerade X (Y)! Aufgabe 19 Aus den folgenden Angaben sind die Parameter der beiden Regressionsgeraden Y (X) und X (Y) abzuleiten: r = 0,7, s X 2 = 4,0, s Y 2 = 16,0, x = 20 und y = 40!
11 Aufgabe 20 Ein kleines Taxiunternehmen besitzt zwei Fahrzeuge. Zu jedem Zeitpunkt hat jedes Taxi die Wahrscheinlichkeit ⅓ besetzt zu sein. Falls ein Taxi besetzt ist, befördert es mit gleicher Wahrscheinlichkeit einen, zwei, drei oder vier Fahrgäste. X gebe die Anzahl der besetzten Taxen an und Y die Anzahl der Fahrgäste, die von beiden Taxen transportiert werden. a) Man bestimme die gemeinsame Wahrscheinlichkeitsfunktion von X und Y sowie die Randverteilungen von X und Y. b) Man berechne E(X) und E(Y). c) Die Zufallsvariable Z = Y gebe die Anzahl der Fahrgäste pro Taxi an, falls X mindestens ein Taxi besetzt ist. Man bestimme die mittlere Anzahl von Fahrgästen unter dieser Bedingung. Aufgabe 21 In einer Stahlfabrik werden zwei Blechsorten A und B hergestellt, Die Qualitätskontrollabteilung teilt die Zugfestigkeit [kg/mm 2 ] von Blechen in drei Gruppen ein und ermittelt für die zwei Blechsorten folgende Wahrscheinlichkeiten: Zugfestigkeit [kg/mm 2 ] P (Sorte A hat Zugfestigkeit ) 40 0,20 0, ,40 0, ,40 0,30 P (Sorte B hat Zugfestigkeit ) a) Man gebe die gemeinsame Verteilungsfunktion der Stahlsorten A und B an, wenn man weiß, dass die Zugfestigkeiten der beiden Blechsorten unabhängig voneinander sind. b) Man bestimme die durchschnittliche Zugfestigkeit der Blechsorten A und B. c) Man bestimme den Korrelationskoeffizienten zwischen den Zugfestigkeiten der beiden Blechsorten.
12 Referenzen Die in der Übung aufgeführten Aufgaben wurden folgenden Lehr- und Arbeitsbüchern entnommen: Beyer, O.; Hackel, H.; Pieper, V.; Tiedge, J.: Mathematik für Ingenieure, Naturwissenschaftler, Ökonomen und Landwirte - Wahrscheinlichkeitsrechnung und mathematische Statistik, Bd. 17, Leipzig: B.G. Teubner Böhm, P.: Induktive Statistik und Wahrscheinlichkeitsrechnung Arbeitsbuch II. Berlin: Studeo Verlag Böhm, P.; Ringhut, S.; Engler, S.; Deskriptive Statistik Arbeitsbuch II. Berlin: Studeo Verlag Heller, W.-D.; Lindenberg, H.; Nuske, M.; Schriever, K.-H.: Wahrscheinlichkeitsrechung Teil 2. Basel, Boston, Stuttgart: Birkhäuser Verlag Gillert, H.; Nollau, V.; Pieper, V.; Tiedge, J.: Mathematik für Ingenieure, Naturwissenschaftler, Ökonomen und Landwirte Übungsaufgaben zur Wahrscheinlichkeitsrechnung und mathematische Statistik, Bd. Ü4, Leipzig: B.G. Teubner1989. Maibaum, G.: Wahrscheinlichkeitsrechnung. Frankfurt (Main): Harri Deutsch, Menges, G.: Grundriß der Statistik Teil 1: Theorie. Opladen: Westdeutscher Verlag Nollau,V.; Patzsch, L.; Storm, R; Lange, C: Wahrscheinlichkeitsrechnung und Statistik in Beispielen und Aufgaben. Stuttgart Leipzig: B.G. Teubner Verlagsgesellschft 1997 Vogel, F.: Beschreibende und schließende Statistik Aufgaben und Beispiele. München Wien: Oldenbourg Wissenschaftsverlag 2001
Eine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann
4. Übung Themenkomplex: Zufallsvariablen und ihre Verteilung Aufgabe 1 Für eine stetige Zufallsvariable gilt: a) P (x = t) > 0 b) P (x 1) = F (1) c) P (x = 1) = 0 d) P (x 1) = 1 F(1) e) P (x 1) = 1 F(1)
MehrDer Modus ist. Der Median ist. 3. Übung. Aufgabe 1. a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen.
3. Übung Aufgabe 1 Der Modus ist a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen. c) der Durchschnitt aller Werte. d) der Wert mit der größten Häufigkeitsdichte. e) der Schwerpunkt
Mehr7. Übung. Einfache statistische Schätzverfahren. Aufgabe 1. Mögliche Parameter der Grundgesamtheit sind. a) S. c) N. d) n.
7. Übung Einfache statistische chätzverfahren Aufgabe 1 Mögliche Parameter der Grundgesamtheit sind a) b) σ c) N d) n e) μ Aufgabe 2 Eigenschaften guter chätzfunktionen sind: a) Konsistenz b) Konfidenz
MehrMit welchen Verteilungen lassen sich Lebensdauern modellieren?
5. Übung Aufgabe 1 Ein Prozess zur Herstellung von Flachglas im Durchschnitt 1 Verunreinigung je 5 dm 2 Glasfläche. Welche Verteilung weist die Zahl der Verunreinigungen auf einer 0,5m x 1,0 m großen Fensterscheibe
MehrDie Formel für Kombinationen wird verwendet, wenn
1. Übung: Kombinatorik Aufgabe 1 Die Formel für Kombinationen wird verwendet, wenn a) Alle n Elemente angeordnet werden sollen. b) Aus n Elementen k Elemente gezogen werden sollen. c) Die Reihenfolge der
MehrWelche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?
2. Übung: Wahrscheinlichkeitsrechnung Aufgabe 1 Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? a) P ist nichtnegativ. b) P ist additiv. c) P ist multiplikativ.
MehrWelche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?
2. Übung: Wahrscheinlichkeitsrechnung Aufgabe 1 Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? a) P ist nichtnegativ. b) P ist additiv. c) P ist multiplikativ.
MehrÜbungsblatt 9 (25. bis 29. Juni)
Statistik 2 Dr. Andrea Beccarini Dipl.-Vw. Dipl.-Kffr. Heike Bornewasser-Hermes Sommersemester 2012 Übungsblatt 9 (25. bis 29. Juni) Stetiges Verteilungsmodell und Gemeinsame Verteilung Stetiges Verteilungsmodell
MehrDeskriptive Beschreibung linearer Zusammenhänge
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei k > 2 unabhängigen Stichproben 9.4 Beispiel: p-wert bei Varianzanalyse (Grafik) Bedienungszeiten-Beispiel, realisierte Teststatistik F = 3.89,
MehrWelche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret.
Grundlagen der Statistik 25.9.2014 7 Aufgabe 7 Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. B Ein Merkmal
MehrBiometrieübung 10 Lineare Regression. 2. Abhängigkeit der Körpergröße von der Schuhgröße bei Männern
Biometrieübung 10 (lineare Regression) - Aufgabe Biometrieübung 10 Lineare Regression Aufgabe 1. Düngungsversuch In einem Düngeversuch mit k=9 Düngungsstufen x i erhielt man Erträge y i. Im (X, Y)- Koordinatensystem
MehrDr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik
Dr. W. Kuhlisch Dresden, 12. 08. 2014 Institut für Mathematische Stochastik Klausur Statistik für Studierende der Fachrichtungen Hydrologie und Altlasten/Abwasser zugelassene Hilfsmittel: Taschenrechner
MehrStatistik für Betriebswirte I 1. Klausur Wintersemester 2014/
Statistik für Betriebswirte I 1. Klausur Wintersemester 2014/2015 13.02.2015 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:................................................................... Vorname:....................................................................
Mehr1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...
Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...
MehrStatistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2018/ Dezember 2018
Statistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2018/2019 20. Dezember 2018 1 Aufgabe 1: Beschreibung univariater Daten (25 Punkte) Die traditionsreiche HAMBURGER SEEMANN-GEBÄUDEVERWALTUNG
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2015 Aufgabe 1 In der aktuellen
Mehri =1 i =2 i =3 x i y i 4 0 1
Aufgabe (5+5=0 Punkte) (a) Bei einem Minigolfturnier traten 6 Spieler gegeneinander an. Die Anzahlen der von ihnen über das gesamte Turnier hinweg benötigten Schläge betrugen x = 24, x 2 = 27, x = 2, x
MehrBerechnung von a und b: n x 2 i ( x i ) = 23, 218 n (x i y i ) x i y i. b =
Qualität und Zuverlässigkeit - Statistik Master MB Material zum Kapitel : Regressionsanalyse Beispiel 3: Lineare Regression X - Alter des Fahrers Y - Geschwindigkeitsüberschreitung in km/h Fachbereich
MehrStatistik II. Lineare Regressionsrechnung. Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II
Statistik II Lineare Regressionsrechnung Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II - 09.06.2006 1 Mit der Kovarianz und dem Korrelationskoeffizienten können wir den statistischen
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2007 Aufgabe 1 25 Schülern einer
MehrStochastik für Ingenieure
Otto-von-Guericke-Universität Magdeburg Fakultät für Mathematik Institut für Mathematische Stochastik Stochastik für Ingenieure (Vorlesungsmanuskript) von apl.prof. Dr. Waltraud Kahle Empfehlenswerte Bücher:
Mehr13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
MehrMATHEMATIK 3 STUNDEN
EUROPÄISCHES ABITUR 2013 MATHEMATIK 3 STUNDEN DATUM : 10. Juni 2013, Vormittag DAUER DER PRÜFUNG: 2 Stunden (120 Minuten) ERLAUBTES HILFSMITTEL Prüfung mit technologischem Hilfsmittel 1/6 DE AUFGABE B1
MehrVersuchsplanung und multivariate Statistik Sommersemester 2018
Versuchsplanung und multivariate Statistik Sommersemester 2018 Vorlesung 11: Lineare und nichtlineare Modellierung I Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 6.6.2018
MehrQualität und Zuverlässigkeit - Statistik Master MB
Fachbereich Grundlagenwissenschaften Prof. Dr. Viola Weiÿ Sommersemester 2014 Qualität und Zuverlässigkeit - Statistik Master MB Material zum Kapitel 1: Grundbegrie der beschreibenden Statistik Beispiel
MehrStatistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt
Statistik I 1. Klausur Wintersemester 2010/2011 Hamburg, 11.02.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrStatistik. Ronald Balestra CH St. Peter
Statistik Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch 17. Januar 2010 Inhaltsverzeichnis 1 Statistik 1 1.1 Beschreibende Statistik....................... 1 1.2 Charakterisierung von Häufigkeitsverteilungen...........
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS15B Oettinger 9/216 Aufgabe 1 (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Falsch: die beiden Größen sind
MehrMathematik für Naturwissenschaften, Teil 2
Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die
MehrMathematik 2 Probeprüfung 1
WWZ Wirtschaftswissenschaftliche Fakultät der Universität Basel Dr. Thomas Zehrt Bitte in Druckbuchstaben ausfüllen: Name Vorname Mathematik 2 Probeprüfung 1 Zeit: 90 Minuten, Maximale Punktzahl: 72 Zur
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrKapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
MehrZusammenfassung: diskrete und stetige Verteilungen. Woche 4: Gemeinsame Verteilungen. Zusammenfassung: diskrete und stetige Verteilungen
Zusammenfassung: e und e Verteilungen Woche 4: Gemeinsame Verteilungen Wahrscheinlichkeitsverteilung p() Wahrscheinlichkeitsdichte f () WBL 15/17, 11.05.2015 Alain Hauser P(X = k
MehrAufgabe 1. Studiensemester Anzahl Studierende 1. Semester Semester Semester Semester Semester 5 6.
Aufgabe 1 Als sogenanntes Nachzügler-Phänomen wird im Bachelorstudium das Phänomen bezeichnet, dass zwar der Großteil der Studierenden die Pflichtkurse in ähnlicher Abfolge der Semester belegt, aber es
MehrStatistik - Übungsaufgaben
Statistik - Übungsaufgaben 1) Eine vor mehreren Jahren durchgeführte Befragung von 30 Arbeitern eines Großbetriebes ergab für die Stundenlöhne folgende Liste: 16,35 16,80 15,75 16,95 16,20 17,10 16,64
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrInhaltsverzeichnis. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen
Inhaltsverzeichnis Robert Galata, Sandro Scheid Deskriptive und Induktive Statistik für Studierende der BWL Methoden - Beispiele - Anwendungen Herausgegeben von Robert Galata, Markus Wessler ISBN (Buch):
MehrGoethe-Universität Frankfurt
Goethe-Universität Frankfurt Fachbereich Wirtschaftswissenschaft PD Dr. Martin Biewen Dr. Ralf Wilke Sommersemester 2006 Klausur Statistik II 1. Alle Aufgaben sind zu beantworten. 2. Bitte runden Sie Ihre
MehrJohann Wolfgang Goethe-Universität Frankfurt am Main
Johann Wolfgang Goethe-Universität Frankfurt am Main Fachbereich Wirtschaftswissenschaften Professur für Statistik und Ökonometrie (Empirische Wirtschaftsforschung) Prof. Dr. Reinhard Hujer Mertonstraße
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen
MehrAufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2017/18. Dr.
Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2017/18 Dr. Martin Becker Hinweise für die Klausurteilnehmer Die Klausur besteht
MehrNachklausur zur Vorlesung. Statistik für Studierende der Biologie
Institut für Mathematische Stochastik WS 1999/2000 Universität Karlsruhe 11. Mai 2000 Dr. Bernhard Klar Nachklausur zur Vorlesung Statistik für Studierende der Biologie Bearbeitungszeit: 90 Minuten Name:
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften Modul 202 Regressionsgerade und Korrelation Lernumgebung. Teil Hans Walser: Modul 202, Regressionsgerade und Korrelation. Lernumgebung. ii Inhalt Messwertpaare...
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 0.07.017 Aufgabe 1 Ein Handy- und PC-Hersteller verfügt über ein exklusives Filialnetz von 900 Filialen. Der Gewinn (in GE) der Filialen ist in der folgenden Tabelle nach
MehrRegression und Korrelation
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandeltdie VerteilungeinerVariablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem dagegen
MehrELEMENTARE EINFÜHRUNG IN DIE MATHEMATISCHE STATISTIK
DIETER RASCH ELEMENTARE EINFÜHRUNG IN DIE MATHEMATISCHE STATISTIK MIT 53 ABBILDUNGEN UND 111 TABELLEN ZWEITE, BERICHTIGTE UND ERWEITERTE AUFLAGE s-~v VEB DEUTSCHER VERLAG DER WISSENSCHAFTEN BERLIN 1970
MehrWohnungen (2)* Aufgabennummer: B_424. Technologieeinsatz: möglich erforderlich T
Wohnungen (2)* Aufgabennummer: B_424 Technologieeinsatz: möglich erforderlich T Der Fachverband der Immobilien- und Vermögenstreuhänder erstellt Statistiken zu den Trends auf dem Immobilienmarkt. Es werden
MehrDer Korrelationskoezient nach Pearson
Der Korrelationskoezient nach Pearson 1 Motivation In der Statistik werden wir uns häug mit empirisch erfassten Daten beschäftigen. Um diese auszuwerten, ist es oftmals notwendig einen Zusammenhang zwischen
MehrStatistik II. Regressionsrechnung+ Regressionsanalyse. Statistik II
Statistik II Regressionsrechnung+ Regressionsanalyse Statistik II - 16.06.2006 1 Regressionsrechnung Nichtlineare Ansätze In einigen Situation könnte man einen nichtlinearen Zusammenhang vermuten. Bekannte
MehrKlausur Wirtschaftsmathematik ( ) Name: Vorname: Matrikelnummer: Themengebiete:
Klausur Wirtschaftsmathematik (20.06.206) Name: Vorname: Matrikelnummer: Themengebiete: Aufgabe : Matrizen & Vektoren 20 Pkte Aufgabe 2: Lineare Optimierung 20 Pkte Aufgabe : Differentialrechnung 20 Pkte
MehrZeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n (2k 1) = n 2.
Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k=1 (2k 1) = n 2. Aufgabe 2. (7 Punkte) Gegeben sei das lineare Gleichungssystem x + 2z = 0 ay
MehrBivariate Zusammenhänge
Bivariate Zusammenhänge 40 60 80 Bivariater Zusammenhang: Zusammenhang zwischen zwei Variablen weight (kg) Gibt es einen Zusammenhang zwischen Größe & Gewicht? (am Beispieldatensatz) Offensichtlich positiver
MehrBio- Statistik 1. mit 87 Abbildungen, 40 Tabellen und 102 Beispielen
Bio- Statistik 1 Beschreibende und explorative Statistik - Wahrscheinlichkeitsrechnung und Zufallsvariablen - Statistische Maßzahlen - Wichtige Verteilungen - Beurteilende Statistik - Vertrauensintervalle
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS4A Oettinger 6/205 Aufgabe (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Richtig: ein ordinales Merkmal
MehrPrüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)
2 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik Name, Vorname:... verteilung Teil 1: Beschreibende Statistik Aufgaben
MehrInhaltsbereich Wahrscheinlichkeit und Statistik
Inhaltsbereich Wahrscheinlichkeit und Statistik AG Mathematik, Sankt Pölten 11.11.2009 Markus Binder Modell für die zentrale srp im Schulversuch Teil I: Aufgaben mit 15-25 Items Teil II: 6-8 Aufgaben,
MehrMehrdimensionale Zufallsvariablen
Mehrdimensionale Zufallsvariablen Im Folgenden Beschränkung auf den diskreten Fall und zweidimensionale Zufallsvariablen. Vorstellung: Auswerten eines mehrdimensionalen Merkmals ( ) X Ỹ also z.b. ω Ω,
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Kapitel 1 bis 3 Seite 1 von 11 Prof. Dr. Karin Melzer, Fakultät Grundlagen
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 2 und 3... 2 Aufgabe 1... 2 Aufgabe 2... 2 Aufgabe 3... 2 Aufgabe 4... 3 Aufgabe 5... 3 Aufgabe 6... 3 Aufgabe 7... 4 Aufgabe 8... 4 Aufgabe 9... 5 Aufgabe
MehrMathematik III für MB und ME
Mathematik III für MB und ME Fachbereich Grundlagenwissenschaften Prof Dr Viola Weiÿ Sommersemester 2017 Übungsaufgaben Serie 2: Statistik 1 Bei 20 Streichholzschachteln wird jeweils die Anzahl der darin
MehrSTATISTISCHE METHODEN UND IHRE ANWENDUNGEN
STATISTISCHE METHODEN UND IHRE ANWENDUNGEN Von Dr. rer. nat. Erwin Kreyszig o. Professor für Statistik an der Universität Karlsruhe mit 82 Abbildungen und zahlreichen Tabellen Vierter, unveränderter Nachdruck
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Experiment zur Vererbungstiefe Softwaretechnik: die Vererbungstiefe ist kein guter Schätzer für den Wartungsaufwand
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrHochschule Darmstadt FB Mathematik und Naturwissenschaften. Statistik. für Wirtschaftsingenieure (B.Sc.) Sommersemester 2017
für Wirtschaftsingenieure (B.Sc.) Sommersemester 017 Dr. rer. nat. habil. E-mail: adam-georg.balogh@h-da.de 1 Hochschule Darmstadt, Fachbereich MN Sommersemester 017 Testklausur zur Vorlesung Wirtschaftsstatistik
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () WiSe /3 Univariate und bivariate Verfahren Univariate
MehrLineare Regression. Kapitel Regressionsgerade
Kapitel 5 Lineare Regression 5 Regressionsgerade Eine reelle Zielgröße y hänge von einer reellen Einflussgröße x ab: y = yx) ; zb: Verkauf y eines Produkts in Stückzahl] hängt vom Preis in e] ab Das Modell
MehrWahrscheinlichkeitsrechnung mathematische Statistik und statistische Qualitätskontrolle
Wahrscheinlichkeitsrechnung mathematische Statistik und statistische Qualitätskontrolle von Dipl.-Math. Regina Storm Mit 66 Bildern Zweite, überarbeitete und erweiterte Auflage VEB FACHBUCHVERLAG LEIPZIG
MehrStand: Semester: Dauer: Modulnummer: Minimaldauer 1 Semester BSTA. Regulär angeboten im: Modultyp: Pflicht WS, SS
Modulbezeichnung: Statistik Modulnummer: BSTA Semester: -- Dauer: Minimaldauer 1 Semester Modultyp: Pflicht Regulär angeboten im: WS, SS Workload: 150 h ECTS Punkte: 5 Zugangsvoraussetzungen: keine Unterrichtssprache:
MehrÜbungsblatt 9. f(x) = e x, für 0 x
Aufgabe 1: Übungsblatt 9 Basketball. Ein Profi wirft beim Training aus einer Entfernung von sieben Metern auf den Korb. Er trifft bei jedem Wurf mit einer Wahrscheinlichkeit von p = 1/2. Die Zufallsvariable
MehrÜbungsrunde 10, Gruppe 2 LVA , Übungsrunde 10, Gruppe 2, Markus Nemetz, TU Wien,
Übungsrunde, Gruppe 2 LVA 7.369, Übungsrunde, Gruppe 2, 9..27 Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 9..27 Anmerkung: Viele dieser Lösungsvorschläge stammen aus dem Informatik-Forum, Subforum
MehrMathematik III - Statistik für MT(Master)
3. Regressionsanalyse Fachbereich Grundlagenwissenschaften Prof. Dr. Viola Weiß Wintersemester 0/03 Mathematik III - Statistik für MTMaster 3. Empirische Regressionsgerade Optimalitätskriterium: Die Summe
MehrÜbungsblatt 4. Berechnen Sie für die statistischen Reihen die Varianzen, Kovarianzen und Korrelationskoeffizienten
Aufgabe 1: Übungsblatt 4 Berechnen Sie für die statistischen Reihen die Varianzen, Kovarianzen und Korrelationskoeffizienten a) s 2 X, s 2 Y, sz, 2 s 2 U, s 2 V, s 2 W, s 2 T b) c XY, c Y Z c) c ZU, c
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
Mehr1 Übungsaufgaben zur Regressionsanalyse
1 Übungsaufgaben zur Regressionsanalyse 1 1 Übungsaufgaben zur Regressionsanalyse 1.1 Übungsaufgaben zu Seite 1 und 2 1. Wie lautet die Regressionsfunktion? 2. Welche Absatzmenge ist im Durchschnitt bei
MehrBivariater Zusammenhang bei metrischen Variablen: Regression und Korrelation
Bivariater Zusammenhang bei metrischen Variablen: Regression und Korrelation PEΣO 12. November 2001 Von der Tabellenanalyse zur Regression Die bivariate Verteilung zweier metrischer Variablen kann konzeptionell
MehrNachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14
Prof. Dr. Rainer Schwabe 08.07.2014 Otto-von-Guericke-Universität Magdeburg Institut für Mathematische Stochastik Nachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14 Name:, Vorname: Matr.-Nr.
MehrÜbungsaufgaben zu Kapitel 2 und 3
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 2 und 3... 2 Aufgabe 1... 2 Aufgabe 2... 2 Aufgabe 3... 2 Aufgabe 4... 3 Aufgabe 5... 3 Aufgabe 6... 3 Aufgabe 7... 4 Aufgabe 8... 4 Aufgabe 9... 5 Aufgabe
MehrStatistik für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
MehrEinführung in die Induktive Statistik: Regressionsanalyse
Einführung in die Induktive Statistik: Regressionsanalyse Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Regressionsanalyse Ziel: Analyse
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen
Inhaltsverzeichnis: 1. Übungsaufgaben zu Kapitel 2 und 3... 2 Aufgabe 1... 2 Aufgabe 2... 2 Aufgabe 3... 2 Aufgabe 4... 2 Aufgabe 5... 3 Aufgabe 6... 3 Aufgabe 7... 4 Aufgabe 8... 4 Aufgabe 9... 4 Aufgabe
MehrBremsweg von PKW und Geländewagen
BspNr: E0012 Ziele Interpretation der Koeffizienten einer quadratischen Funktion Veranschaulichung des Begriffes mit Hilfe physikalischer Anwendungen Analoge Aufgabenstellungen Übungsbeispiele Lehrplanbezug
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
MehrStatistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2016/ Dezember 2016
Statistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2016/2017 16. Dezember 2016 1 Aufgabe 1: Beschreibung univariater Daten (30 Punkte) Ein Autohändler verkauft Autos in fünf
MehrTeil VI. Gemeinsame Verteilungen. Lernziele. Beispiel: Zwei Würfel. Gemeinsame Verteilung
Zusammenfassung: diskrete und stetige Verteilungen Woche 4: Verteilungen Patric Müller diskret Wahrscheinlichkeitsverteilung p() stetig Wahrscheinlichkeitsdichte f ()
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter
Mehr4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR
Im Allgemeinen wird sich das Verhalten einer ZR über die Zeit ändern, z.b. Trend, saisonales Verhalten, sich verändernde Variabilität. Eine ZR wird als stationär bezeichnet, wenn sich ihr Verhalten über
Mehr4 MEHRDIMENSIONALE VERTEILUNGEN
4 MEHRDIMENSIONALE VERTEILUNGEN 4.14 Stochastische Vektoren 1. Der Merkmalraum des stochastischen Vektors (X, Y ) sei M = R 2. Betrachten Sie die folgenden Ereignisse und ihre Wahrscheinlichkeiten: A 1
MehrDas (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
Mehr1 EINLEITUNG Allgemeines Kapitelübersicht Gebrauch dieses Buches Verwenden zusätzlicher Literatur...
Inhaltsverzeichnis 1 EINLEITUNG... 1 1.1 Allgemeines... 1 1.2 Kapitelübersicht... 2 1.3 Gebrauch dieses Buches... 3 1.4 Verwenden zusätzlicher Literatur... 4 DESKRIPTIVE STATISTIK 2 GRUNDLAGEN... 5 2.1
MehrFakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen. Statistik II. Prof. Dr.
Statistik II Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen Statistik II 2. Parameterschätzung: 2.1 Grundbegriffe; 2.2 Maximum-Likelihood-Methode;
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR STOCHASTIK SS 2010 Karlsruher Institut für Technologie Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheinlichkeitstheorie und Statistik vom 14.9.2010 Musterlösungen Aufgabe 1: Gegeben sei eine Urliste
MehrKapitel 8. Parameter multivariater Verteilungen. 8.1 Erwartungswerte
Kapitel 8 Parameter multivariater Verteilungen 8.1 Erwartungswerte Wir können auch bei mehrdimensionalen Zufallsvariablen den Erwartungswert betrachten. Dieser ist nichts anderes als der vektor der Erwartungswerte
Mehr0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1
Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
MehrPhilipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler
Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung
Mehr